搜尋結果
2024年3月18日 · 2024-03-18. 分享本文. 當今矽谷最火紅的新寵：人工智慧搜尋引擎「Perplexity」，2022 年 8 月上線，僅成立一年多，年收入已超過千萬美元，每月活躍用戶數更已經攀越五千萬人次大關，公司估值高達 5 億 2 千萬美元，根據《華爾街日報》報導， 該公司正準備下一輪融資，估值上看十億，投資人包括貝佐斯等大咖 。 像聊天機器人的搜尋引擎！ 一次劍指 Google、ChatGPT. 「如果你可以直接回答某人的問題，那麼沒有人需要 10 個藍色連結，」Perplexity 執行長斯里尼瓦斯（Aravind Srinivas）說。 藍色連結指的是詢問 Google 問題後跳出來的許多網頁。
- 導入機器學習平台，快速解決「爛數據」
- 從數據思維優化，解決方案的設計流程
- 智慧轉型最大阻力是「人」
- 智慧工廠需要一個新的組織架構圖
台灣許多企業尚未完整轉型，在這場有破百位中高階主管參與的論壇中，僅不到十位認為自家的企業已深度導入技術成為智慧工廠；這代表著轉型並非易事，尤其當傳統工廠開始將最基層的 OT 設備與資料中心的 IT 系統做整合，如何確保整個廠房上百件設備資訊同步、即時、透明且快速就是一個挑戰。另外，正在轉型的企業主也得開始思考「數據萃取」與「數據解讀應用」如何落實在工廠執行端。 面對台灣工廠積極的尋求智慧轉型的解決方案，與許多大型企業合作過的洛克威爾自動化智慧製造應用發展經理王展帆一上台即直接點出，很多製造廠已建立了物聯網系統，但卻因為蒐集到的數據可用性很低，導致技術上位，但轉型的效果卻很難看出來。數據雜亂也影響到智慧工廠的資料整合速度，當從基層設備蒐集到的數據上傳雲端分析後，已耗費多秒，結果失準且無效。更重...
擁有一個 AI 平台就能夠解決問題了嗎？研華科技工業物聯網雲平台產品經理葉韋賢並不這麼認為。他強調除了開發並導入 AI 平台在智慧工廠的建置上十分關鍵，但是「解構」與「開放」更是智慧工廠升級的下一步。 葉韋賢指出，台灣製造廠在追求智慧轉型的過程中，常出現一個問題。企業主為了解決工廠升級的狀況，會希望團隊進行一連串設計建構系統，但這卻容易成為系統無法靈活變動的主要原因。舉例來說，為了完成工廠自動化設計了一個解決方案，工程師團隊從頭到尾進行一連串的系統設計；但是當其中一個數據需要做調整，整個系統也得全部調整，變成一個綁死的狀態，不夠快速靈敏。 葉韋賢說明，台灣製造廠應該要用數據的角度去思考解決方案的構成。先去理解解決問題需要什麼數據，再進一步去思考數據怎麼獲得、怎麼儲存、怎麼分析，最後進入執行和...
除了 AI 平台導入與解決方案的思維顛覆之外，「人」其實是智慧轉型最大的原因，Moxa 四零四科技市場與解決方案處經理彭愷翔緩緩說到。他指出，許多企業主面對數位轉型沒有提供一個明確的目標，直接要求佈建智慧製造，而這種說法在執行人員聽起來往往像是一個廣泛的目標，不僅無法解決問題，還可能會因為管理與執行的想法不一致影響成效。 彭愷翔點出在智慧製造轉型過程中，可以從四大項目下去進行溝通，確立可以理解且容易化成短中長工作的目標。換句話說，轉型並不是一個目的，而是手段；至於目標是什麼就需要企業主在提出轉型需求前開會進行收斂的部分。透過目的統一，工廠轉型的過程中才能有效的從流程開始解決，將浪費降到最低以便提升營運效率；更重要的是，轉型的成效才能有效評斷，避免效果長期沒有出現在財報上導致士氣降低。 以下為...
在 Panel 的討論中，一個問題被提出來討論：面對 2020 年智慧工廠轉型，什麼是關鍵，討論的焦點又回到「人」與「數據」上面。彭愷翔說明如何找到對的人與內部溝通流程是轉型重點，技術反而不是推動未來智慧工廠的升級關鍵；在升級技術的同時，需要降低內部的溝通成本，並適時的借助外部力量推動整個轉型順暢。葉韋賢提到，企業需要敢用如數學系、統計系等可以了解技術走向與數據判讀的人，必且務實的了解到轉型需要時間進行培育與是錯，並非一下子就可以在財報上看出成果。王展帆同意的說，企業可能需要建構一個新的組織架構圖，創立具備跨專長人才的部門，透過跨專長的特性讓人才進入不同部門解決溝通與技術盲點，藉此建造有價值的解決方案。 （本文提供合作夥伴轉載。）
2019年4月16日 · 簡單來說， 批判性思考就是用來檢驗我們的各種主張和論據，從中提出一系列具有探索性、有價值的問題，從而判定哪些具有優點，哪些不具有優點的一種思考 。 批判性思考的起源，可追溯到兩千五百年前的古希臘思想家蘇格拉底。 一切錯誤的本質，就是因為缺乏批判性思考所致。 我該相信誰？ 這時需要「批判性思考」 批判性思考透過 提出問題 來分析遇到或聽到的議題。 例如，你想去看一場電影，打開網站，發現很多影評家都在評判各種電影，例如哪些電影值得好好欣賞、哪些電影沒有看的價值。 他們都自詡為影評界權威，但是，你發現他們的觀點並不一致，各有說辭。 我們到底該相信誰？ 當沒有一個人的結論能提供讓人信服的理由時，我們就需要自己進行批判性的思考。
2024年4月29日 · 機器學習工程師的學習路徑. 「 機器學習工程師的學習路徑 」是更高強度的課程內容，但這門課，將引導你完成 Google 精選的課程、實驗內容，並取得技能認證徽章。 如果你想要掌握如何使用 Google Cloud 技術來解決機器學習的問題，那你或許不能錯過這門課。 這門課，共有 15 堂。 主題包含 Google Cloud 控制台導覽、Google Cloud 上的 AI 與機器學習簡介、TensorFlow、特徵工程，電腦視覺基礎知識、自然語言處理（NLP）、推薦系統、透過案例研究了解機器學習的實際工作流程。 除此，你也能了解機器學習操作（MLOps）入門，並了解怎麼在 Google Cloud 上部署、評估、監控和操作等。
2021年1月4日 · 2021-01-04. 分享本文. 華碩攜手微軟 Azure「用 AI 助人」（圖片來源：TechOrange） 近年來，台灣與職業災害相關的新聞報導，一直沒有停過，只要上網搜尋就會看到過去一年陸續發生了藥品廠員工意外跌落 3 公尺槽體、大理石廠工人遭 500 公斤石板重壓、沼氣發電廠氣爆造成 3 名工人受傷、鋼鐵廠技師不慎被夾進機台裡…等意外，這些在全台各個工廠持續發生的職業災害事件，背後其實點出一個事實：企業需要更有效的職災預防管理機制，才能降低職業災害風險。 「雖然，許多企業會在作業現場導入監控攝影機， 但這些影像數據並沒有被充分利用，很難即時發現潛在的職災風險 ，」華碩 AI 研發中心（AICS）產品總監楊旺儒說。
2018年2月13日 · 我與中國整體性思維的一次偶然交會，是在為十七位中國高階經理人講授一門課程的時候，那是為了他們即將前往歐洲工作的前行準備課程。 他們來自中國不同地區不同公司，其中四位是女性，六位曾住過波蘭、匈牙利、荷蘭，其他則住在中國。 儘管有些人會講英文，我仍然透過同步口譯北京話的方式來教授這門課。 我從「溝通」、「領導」和「信任」幾個刻度開始（後兩項在本書稍後我們再做討論），現場觀眾反應是那麼熱烈，他們拿出蘋果手機來拍攝教室、我的投影片，甚至錄影。 接著我提出問題讓他們分成小組進行討論：「如果你帶領的是一個由法國人、德國人他們視「對峙」為決策過程中的一個重要環節（與中國人）他們視「對峙」為對團隊關係的一種侵害所組成的全球團隊，團員們對於意見對峙持有不同看法，這時候你將如何做處理。
2020年11月26日 · 呂威逸. 2020-11-26. 分享本文. 1995 年 11 月 24 日，比爾蓋茲發表了他的第一本書——《擁抱未來》（The Road Ahead）， 內容描述電腦及數據將對人類未來產生的影響 ，比爾蓋茲也透過此書分享了自己對科技的觀察、熱忱及預測。 如今 25 年過後，比爾蓋茲在自己的部落格《 GatesNotes 》中發了一篇新文章，一一回顧《The Road Ahead》中哪些科技發展正如自己所預測、哪些技術還差得遠。 ♦ TO 延伸閱讀： 【比爾蓋茲 2020 夏季書單】《艱困時代的經濟學思考》：貿易創造的是更加動盪的世界. 大家可以先看影片： The Road Ahead, 25 years later. Watch on. 25 年後實證：大部分都猜對了？
